针对网络资源的分配和网络故障识别的需要,研究网络流量预测模型。为了提高网络流量预测的精度,提出一种基于时序EEMD的网络流量预测方法。首先采用平稳的网络流量原始数据,用改进的经验模式分解算法进行分解,得到若干IMF分量,然后利用短相关模型对各分量建模并合成每个模型生成的流量,得到完整的流量,建立网络流量最优预测模型。最后以真实的实测流量数据对该模型进行仿真。仿真结果表明,基于时序EEMD模型的网络流量预测精度高于其它预测模型,且在非持续性强波动的流量预测中具有较好效果。
科研之友
微信
新浪微博
Facebook
分享链接
